自从CDA数据分析师开设了Level1 业务数据分析师
R专题之后，很多学生对此产生了疑惑。特别是在挖掘建模工具的选择上，甚至出现了选择恐惧症。在此，摘抄了 过时的玉米老撕
的文章，以及之前零零散散看的一些文章，来点春节前的干货！
很多学生，特别是统计专业的学生，都认为R只适合在高校，而现在行业内又有句流行语：现在是python的天下&python大法好。更给人一种:“R已经过时了”的错觉。
但是现在可以告诉大家的是：R语言仍然很流行。
R语言是过去十年中发展最快的编程语言之一。
除了那些没有编程基础但是目前工作又需要挖掘建模的群体，我们推荐学习spss-modeler之外。如果你学习数据科学，仍然推荐从R语言开始。
因为相比python，R语言更像是一种分析工具，是一种软件。
R语言始终是最好的语言之一。
在很多方面，R语言就代表了数据语言。在数据科学领域，这是一个仍处在顶端的语言。下面，来举两个栗子~
IEEE：R语言排名第五
世界上最大的技术专业协会IEEE在几年前已经创建了一个编程语言排名。这个IEEE的排名系统使用一组12个指标，包括比如Google的搜索量、Google的趋势、Twitter的点击次数、GitHub的库、Hacker
News的帖子等等。
使用这种方法，他们将几十种编程语言进行排名和分类。
在他们对2016年顶级编程语言的回顾中，R语言已经攀升到第5！
TIOBE：R的排名高，且具有连续的上升趋势
另一个排名系统，TIOBE索引，为各种编程语言创建了相似的分数和排名。
虽然python在TIOBE索引上的排名较高，但是很难从python相关使用严格数据中分理处网络和软件开发使用情况，因此这可能不是一个公平的比较。但是也从另一方面说明，python可以说是支持大型软件工程项目的开发语言。
O'Reilly：R语言可以说是最常见的数据编程语言
媒体O'Reilly在过去的几年里进行了一次数据科学调查，他们使用调查数据来分析数据科学的趋势。在2016年的调查报告显示，R语言是最常用的编程语言。57%受访者使用R语言，python只有54%。另外，有70%的受访者使用SQL。如果你正在寻找R之后的另外一个语言去学习，建议SQL。
R语言是真正的【数据语言】
R语言之所以如此适合数据科学的原因部分跟它本身语言特性有关。字R语言发明之初，数据及统计的观念便融入其中。R-Project形容其为【为统计计算而准备的编程语言及环境】。也就是说，R语言的DNA里就含有统计及数据的基因。
R语言在国际和国内的发展差异巨大。
国际上R语言已经是专业数据分析领域的标准，但在国内依旧任重而道远。R作为一种自由软件编程语言与操作环境，为解决数据分析你领域的问题而开发，主要用于统计分析、绘图、数据挖掘，在高校及统计分析领域非常受欢迎。方便的扩展性，不仅可以同Python、Java、C、C
等语言进行互调，其他统计软件也大部分均可调用R，如SAS、SPSS、Statistica等，甚至一些比较直接的商业应用，例如Oracle
R Enterprise、Sybase RAP等。
目前来说，R语言做的比较成熟的有华为、京东、豆瓣、ebay、阿里等BAT型企业，对于尚未需要Hadoop做大数据的企业，R也是他们用来做大数据分析的首选软件。我们也可以从历届R语言会议中发现，keynotes中俩字量邦集团可靠的彩虹用的R语言进行高级量化投资、百度的互联网促销策略中的统计模型、微量集团冠名的量化投资专场等，以及推荐系统&计算广告、互联网金融&统计理论、商务数据分析，甚至云医疗、天文、气象、地理&可视化设计等。
从猎聘网招聘来看，数据分析岗位的技能需求中基本要求会R等一到两种数据分析软件。并且对于企业来说，他们需要的是完整的数据分析建模、数据挖掘流程中涉及到的方法及逻辑，需要的是业务理解能力。
因此，对于统计专业已经掌握R的基本操作学生来说，只有零散的知识点而没有实际案例的支撑，日后工作中必然对业务方面缺乏经验。对于计算机的同学来说，更是需要在统计学、分析逻辑等方面进行强化学习。
既然题目说到了python，那就提一嘴python吧~
R和python都是都是开源的、免费的高级编程语言。
R专门用于统计计算，他有大量附加包（package）/工具来支持机器学习和数据分析。另一方面，python是一种通用的强大的编程语言，在数据准备、数据调试和数据分析方面有特殊的应用。
R在进行分析、数据可视化与建模上使你在分析的时候更容易思考，由于有着十分活跃的统计与数学社区，可以持续的更新和增强分析功能的数据可视化工具。
Python进行数据预处理、数据清洗，特别针对非结构化数据（如网页、图像、文本等）具有极强的灵活性，能够从自由文本、网站和社交媒体网站提取信息。便于图像挖掘和为分析准备数据。也就是说，处理大量的数据的时候比R语言更好。
如果你准备在数据分析行业的道路上坚定的走下去，你需要的是R
Python，而不是R vs python！